رونمایی xAI از Grok 4.7 با اجرای طولانی‌تر ایجنت‌ها و بدون تغییر قیمت

هدف Grok 4.7 اجرای طولانی‌تر ایجنت‌ها با قیمت مشابه Grok 4.6 است

شرکت xAI سرانجام مدل Grok 4.7 را پس از چند بار تاخیر در زمان‌بندی عمومی، منتشر کرد. این شرکت مدل جدید را به عنوان جانشینی بی‌دردسر برای Grok 4.6 معرفی می‌کند که از استدلال طولانی‌تر در وظایف دشوار، خودآزمایی بیشتر و سازوکارهای ایمنی قوی‌تری برخوردار است. بر اساس اعلام xAI، مدل استاندارد همچنان قیمت و سرعت پاسخ‌دهی Grok 4.6 را حفظ کرده است.

برای تیم‌های توسعه‌دهنده، این انتشار امکان یک آزمایش ارتقای نسبتاً ارزان را فراهم می‌کند، زیرا ادغام‌های فعلی API احتمالاً به تغییرات محدودی در نرم‌افزارها نیاز خواهند داشت. با این حال، آزمایش بار کاری همچنان ضروری است: استدلال طولانی‌تر می‌تواند حجم خروجی، تاخیر و هزینه کل را حتی با ثابت ماندن نرخ هر توکن، افزایش دهد.

نگاهی خلاصه به ویژگی‌های نسخه جدید

نقش یادگیری تقویتی در توسعه این نسخه

شرکت xAI تاخیر در انتشار را به کارهای مرتبط با یادگیری تقویتی که پس از اجرای اصلی آموزش مدل انجام شده است، نسبت می‌دهد. این مرحله با استفاده از سیگنال‌های پاداش، رفتار مدل را تنظیم می‌کند، از جمله اینکه مدل تا چه زمانی روی یک وظیفه کار کند، چه زمانی از ابزارها بهره ببرد و چه زمانی تصمیم بگیرد که کار به پایان رسیده است.

در طول دوره تاخیر، ایلان ماسک اشاره کرده بود که نسخه‌های داخلی گاهی اوقات وظایف دشوار را خیلی زود متوقف می‌کردند و در تایید نتایج خود ناکام می‌ماندند. او همچنین به مشکلاتی در زمینه جریمه‌های مربوط به طول پاسخ و مدیریت وظایف اشاره کرد. طبق گفته xAI، مدل منتشرشده توکن‌های تفکر (Thinking Tokens) بیشتری را به خود اختصاص می‌دهد؛ به این معنا که وقتی یک درخواست نیاز به استدلال گسترده دارد، محاسبات داخلی پیش از ارائه پاسخ نهایی افزایش می‌یابد.

جزئیات معماری هنوز مشخص نیست زیرا xAI اطلاعاتی در مورد تعداد پارامترهای Grok 4.7، میزان محاسبات آموزشی یا طراحی مدل پایه منتشر نکرده است. گزارش‌هایی مبنی بر وجود یک مدل ۲.۱ تریلیون پارامتری هنوز تایید نشده‌اند و نباید مبنای تصمیم‌گیری برای زیرساخت یا ظرفیت قرار گیرند.

شروع دسترسی‌ها از طریق xAI، Cursor و Grok Build

در زمان راه‌اندازی، توسعه‌دهندگان می‌توانند از طریق API رسمی xAI، نرم‌افزار Cursor و پلتفرم Grok Build از Grok 4.7 استفاده کنند. برنامه‌های فعلی مبتنی بر Grok 4.6 ممکن است تنها به تغییر انتخابگر مدل نیاز داشته باشند، هرچند تیم‌ها باید شناسه دقیق مدل، سازگاری نقطه پایانی (Endpoint) و رفتار نام‌های مستعار را در مستندات فعلی API شرکت xAI بررسی کنند.

پلتفرم‌های OpenRouter، Vercel و Cloudflare مدل Grok 4.6 را از طریق کانال‌های شرکا توزیع می‌کردند. پشتیبانی آن‌ها از Grok 4.7 تا زمانی که هر ارائه‌دهنده اطلاعات مربوط به مدل، قیمت‌گذاری، محدودیت‌های کانتکست و در دسترس بودن منطقه‌ای را مشخص نکند، در حالت تعلیق باقی می‌ماند.

آغاز شواهد با یک دموی بازی‌سازی

شرکت xAI یک دموی مقایسه‌ای منتشر کرده است که در آن Grok 4.7 و Grok 4.6 هر دو یک بازی جهان‌باز شهری را در یک بازه زمانی یکسان می‌سازند. بر اساس ارائه این شرکت، مدل جدیدتر صحنه‌ای کامل‌تر تولید می‌کند. با این حال، همچنان به ارزیابی‌های مستقل نیاز است تا قابلیت اطمینان آن در مخازن کد، فریم‌ورک‌ها و پیکربندی ابزارها اثبات شود.

ارزیابی‌های اخیر xAI بر مجموعه‌هایی مانند DeepSWE، CursorBench، Terminal-Bench، APEX و AA-Briefcase متمرکز بوده‌اند. این مجموعه‌ها بر کارهای مبتنی بر ایجنت تمرکز دارند، جایی که یک مدل چندین مرحله را برنامه‌ریزی می‌کند، فایل‌ها را ویرایش می‌کند، ابزارها را اجرا می‌کند و به شکست‌ها واکنش نشان می‌دهد. مطالب منتشرشده کنونی هیچ نمره قابل مقایسه‌ای برای Grok 4.7 یا روش‌شناسی دقیق ارزیابی ارائه نمی‌دهند.

بارهای کاری که با تغییرات اعلام‌شده همخوانی دارند عبارتند از:

• وظایف برنامه‌نویسی طولانی در سطح مخزن که به ویرایش‌ها و آزمایش‌های مکرر نیاز دارند
• استفاده چندمرحله‌ای از ابزارها که در آن مدل باید قبل از ادامه کار نتایج را بررسی کند
• کارهای مرتبط با رابط کاربری مولد که چندین فایل هماهنگ را در بر می‌گیرند
• تولید بازی و صحنه‌های سه‌بعدی با دارایی‌ها و اجزای وابسته متعدد
• حلقه‌های ایجنت که پیش از این قبل از برآورده شدن تمام معیارهای پذیرش به پایان می‌رسیدند

درخواست‌های کوتاه برای طبقه‌بندی، استخراج، مسیریابی و چت ممکن است پیشرفت‌های کمتری را نشان دهند، زیرا فضای کمی برای استدلال گسترده یا استفاده مکرر از ابزارها فراهم می‌کنند.

پاسخ‌های طولانی‌تر می‌تواند هزینه‌ها را تغییر دهد

هنگامی که Grok 4.7 خروجی بیشتری تولید می‌کند یا روی درخواست‌هایی که Grok 4.6 به سرعت انجام می‌داد استدلال طولانی‌تری انجام می‌دهد، هزینه کل ممکن است افزایش یابد. تیم‌ها باید به جای مقایسه صرف نرخ توکن‌ها، هزینه را به ازای هر وظیفه تکمیل‌شده، از جمله تلاش‌های مجدد و فراخوانی‌های ناموفق ابزارها اندازه‌گیری کنند.

تاخیر در پاسخ‌گویی به درخواست‌ها نیز نیازمند آزمایش محلی است. ادعای xAI مبنی بر سرعت بدون تغییر ممکن است به توان عملیاتی سرویس‌دهی یا یک هدف کلی برای تاخیر اشاره داشته باشد، در حالی که پردازش درخواست‌های سخت به صورت فردی ممکن است همچنان طولانی‌تر شود، زیرا مدل استدلال بیشتری انجام می‌دهد. معیارهایی مانند تاخیر میانه، تاخیر در موارد حاشیه‌ای (Tail Latency)، زمان دریافت اولین توکن و زمان کل تکمیل، دید بهتری برای محیط تولید فراهم می‌کنند.

ادعاهای ایمنی به مستندات نیاز دارند

شرکت xAI مدل Grok 4.7 را به عنوان ایمن‌ترین مدل خود تا به امروز توصیف می‌کند، اما خلاصه منتشرشده کارت سیستم کاملی را ارائه نمی‌دهد. کارت سیستم معمولاً ارزیابی‌های ایمنی، حالت‌های شکست شناخته‌شده، راهکارهای کاهش خطرات و محدودیت‌های استقرار را مستند می‌کند و به تیم‌های امنیتی و حاکمیتی شواهدی برای بررسی می‌دهد.

ارزیابی‌های سازمانی باید مقاومت در برابر تزریق پرامپت (Prompt Injection)، مدیریت داده‌های حساس، مجوزهای ابزارها، رفتار امتناع از پاسخ، مرزهای اجرای کد و کنترل‌های ثبت وقایع را بررسی کنند. آزمایش‌های خارجی نیز برای مقایسه سازوکارهای ایمنی این مدل با نسخه‌های قبلی Grok ضروری خواهد بود.

جزئیات کلیدی API همچنان مبهم است

خلاصه منتشرشده چندین سوال را در مورد پیاده‌سازی برای xAI و شرکای توزیع‌کننده آن بی‌پاسخ می‌گذارد:

انتشارهای سریع ارزش نسخه‌بندی را بالا می‌برد

مدل Grok 4.7 تقریباً در فاصله دو ماه پس از Grok 4.5 و Grok 4.6 منتشر شده است. این سرعت عمل به xAI اجازه می‌دهد تا بهبودهای پس از آموزش را به سرعت ارائه دهد، اما در عین حال زمان کمتری برای ارزیابی هر نسخه پیش از رسیدن نسخه بعدی به توسعه‌دهندگان می‌دهد.

به‌روزرسانی‌های سریع و تاخیر در زمان‌بندی‌های عمومی، ارزش نسخه‌های ثابت مدل، مجموعه‌های آزمایش رگرسیون و حفظ مسیرهای بازگشت به نسخه‌های قبلی را افزایش می‌دهد. ثابت ماندن نرخ توکن‌ها جایگاه رقابتی قیمت xAI را حفظ می‌کند، اما ارزش آن در محیط تولید به تعداد وظایف موفق به ازای هر دلار و ثبات عملیاتی هر نسخه بستگی دارد.

معیارهای آزمایشی (Canary) برای مهاجرت

یک استقرار آزمایشی کنترل‌شده می‌تواند پیش از دریافت ترافیک عمومی، مشخص کند که آیا Grok 4.7 یک بار کاری خاص را بهبود می‌بخشد یا خیر. این مقایسه باید از پرامپت‌های تولیدی نماینده و معیارهای پذیرش ثابت استفاده کند.

1. شناسه‌های مدل، محدودیت‌های کانتکست، پشتیبانی از ابزارها، محدودیت‌های نرخ و شرایط حفظ داده‌ها را تایید کنید.
2. یک مجموعه ارزیابی تولیدی را هم روی Grok 4.6 و هم Grok 4.7 اجرا کنید.
3. تکمیل وظایف، توکن‌های خروجی، تلاش‌های مجدد، دقت فراخوانی ابزارها، انطباق با ساختار و درصدهای تاخیر را اندازه‌گیری کنید.
4. پاسخ‌های طولانی‌تر را برای بررسی خروجی‌های غیرضروری، برش متن و افزایش هزینه‌ها بازبینی کنید.
5. سیاست‌های ایمنی و مرزهای مجوز را برای هر ابزار متصل آزمایش کنید.
6. تا زمانی که نسخه آزمایشی به آستانه‌های مورد نظر نرسیده است، Grok 4.6 را به عنوان هدف بازگشت در دسترس نگه دارید.

تیم‌هایی که در حال حاضر از Grok 4.6 استفاده می‌کنند، واضح‌ترین مسیر را برای مهاجرت دارند. ارتقا به نسخه جدید باید پس از مشاهده دستاوردهای قابل اندازه‌گیری در کیفیت تکمیل وظایف یا کاهش هزینه به ازای هر وظیفه موفق، همراه با رفتار پایدار API و مسیر آزمایش‌شده برای بازگشت به نسخه قبل، انجام شود.